Рассказываем главные мысли с еще одной интересной сессии форума Digital Almaty 2025, на которой говорили о применении ИИ в медицине и здравоохранении. Модератором встречи выступила Анар Тулеубаева, заместитель председателя Ассоциации по развитию искусственного интеллекта Казахстана.
Бейбут Есенбаев, первый заместитель генерального директора, РГП на ПХВ «Республиканский центр электронного здравоохранения», Казахстан
Я начну с истории ИИ в медицине. Еще в 70-х годах в Казахстане была разработана экспертная система, которая помогала врачам диагностировать и лечить пациентов. Это была простая система, содержащая около 600 правил, но она стала одним из первых примеров использования искусственного интеллекта в здравоохранении.
Сегодня в Казахстане, как и во всем мире, искусственный интеллект активно развивается, особенно в области работы с медицинскими изображениями. Это КТ, МРТ, рентген и другие исследования. У нас уже есть отечественные решения, такие как Cerebra, которые помогают врачам быстрее и качественнее анализировать данные и ставить диагнозы.
Например, был проведен эксперимент с изображением, где в углу была едва заметная обезьянка. Из десяти врачей только двое заметили этот дефект. Это показывает, что при большом потоке данных человеческий глаз может что-то упустить, и здесь искусственный интеллект становится незаменимым помощником, работая точнее и быстрее.
Кроме того, искусственный интеллект используется в создании лекарств. В 2020 году в США было одобрено первое лекарство, полностью разработанное с помощью ИИ. Это значительно ускоряет процесс создания новых препаратов и повышает их качество, что особенно важно для сложных задач, таких как подбор молекул.
Однако говоря о внедрении искусственного интеллекта, нельзя забывать о безопасности. 50% исследователей считают, что существует 10% вероятность того, что человечество может потерять контроль над ИИ, что приведет к серьезным последствиям. Поэтому важно думать о безопасности его использования, особенно в такой чувствительной сфере, как здравоохранение.
Что касается барьеров для внедрения ИИ в Казахстане, то технических ограничений у нас нет. Уже много решений разработано и внедряется. Но ключевая проблема — это отсутствие аккредитованных лабораторий, которые могли бы проверять и сертифицировать ИИ-продукты для здравоохранения. Также не хватает нормативно-правовых актов, регулирующих внедрение ИИ в медицину. Это те вопросы, над которыми нам предстоит работать.
Ербол Спатаев, проектный координатор Странового офиса в Казахстане, ВОЗ
ВОЗ рассматривает цифровые технологии, включая ИИ, как неотъемлемую часть современной системы здравоохранения. Цифровые технологии сегодня играют такую же важную роль, как доступность лекарств, наличие медицинских кадров и инфраструктуры. Использование эффективного и безопасного искусственного интеллекта критически важно для современного здравоохранения.
С 2021 года ВОЗ выпустила ряд документов, регулирующих разработку, внедрение и применение ИИ в здравоохранении. Среди них:
1. Этические принципы и руководство по использованию ИИ для здоровья.
2. Выработка доказательств для медицинских устройств на основе ИИ.
3. Предложения по законодательному регулированию ИИ.
4. Преимущества и риски использования ИИ для разработки и доставки лекарств.
5. Этические принципы для больших мультимодальных моделей ИИ.
Применяя ИИ в здравоохранении, важно учитывать не только саму технологию, но и законодательство, цели применения, дизайн, информационную модель и качество данных. Данные, используемые для обучения ИИ, должны быть полными, проверенными и качественными. Также ключевым аспектом остается соответствие этическим принципам на всех этапах разработки и внедрения.
ВОЗ выделяет шесть ключевых этических принципов:
1. Защита автономии человека. Окончательное решение о здоровье и лечении должно оставаться за человеком, а ИИ должен выступать помощником, а не заменой врача.
2. Содействие благополучию и безопасности. Технологии ИИ должны быть безопасными, точными и эффективными, чтобы не навредить пациентам.
3. Прозрачность и объяснимость. Все этапы разработки ИИ должны документироваться для понимания, как работает технология и какие данные используются.
4. Ответственность и подотчетность. Должны быть механизмы обратной связи и возмещения вреда, если использование ИИ причиняет ущерб.
5. Инклюзивность и справедливость. ИИ не должен исключать какие-либо группы людей по расовым, этническим, гендерным или другим признакам.
6. Адаптивность и устойчивое развитие. Использование ИИ должно минимизировать вред, включая энергоэффективность и социальные последствия, такие как сокращение рабочих мест.
Примеры неправильного использования данных показывают, как ИИ может усилить дискриминацию. Например, технология для диагностики рака кожи, обученная на данных европеоидного населения, давала ошибки при анализе снимков людей с другим цветом кожи. Другой пример — система в США, которая из-за данных о страховках начала рекомендовать больше медицинских услуг для людей с высоким доходом. Эти примеры подчеркивают важность правильного отбора данных и учета этических принципов с самого начала разработки технологий ИИ.
Мынжылкы Бердиходжаев, заместитель директора по хирургии, больница Медицинского центра Управления делами Президента РК
Я хочу подробнее остановиться на стартапе Cerebra, который уже стал международным продуктом. Этот казахстанский проект столкнулся со всеми возможными проблемами, которые могут возникнуть при разработке подобных решений.
История началась в 2017 году, когда у отца Досжана Жусупова — основателя Cerebra, случился инсульт. Это подтолкнуло его к идее создания системы для своевременной диагностики инсульта. Компьютерная томография — это идеальный цифровой продукт, где каждая точка на экране уже оцифрована. Мозговая ткань, ликвор, воздух и костная ткань имеют свои значения в хаунсфилдах — специальных единицах измерения, что позволяет легко детектировать кровь и гематомы.
Cerebra появилась как ответ на вызов: каждый четвертый взрослый может столкнуться с инсультом, а 80% пациентов не получают своевременного лечения.
Сегодня юридическая ответственность за решения ИИ лежит на враче, но за рубежом ИИ уже доверяют в анализе больших данных и принятии экономических решений. В Казахстане проблемы финансирования и доступности технологий, таких как МРТ и КТ, остаются ключевыми барьерами для внедрения ИИ.
Cerebra внедрила новшество — heatmap, которая показывает зону мозга, находящуюся под риском инсульта. Это позволяет начать специфичное лечение до того, как инсульт полностью сформируется.
Проект вышел на узбекский рынок, уже подключено пять клиник. В Узбекистане данные хранятся на локальных серверах, что решает проблему утечки информации. В Казахстане аналогичное решение предлагалось, но проект ушел с рынка из-за отсутствия цены. Теперь Cerebra выходит на американский рынок, и стоимость будет значительно выше, чем в прошлом году.
Мое мнение: технологии будут развиваться быстро, и требования будут предъявляться не к ним, а к людям, которые с ними работают. Мы можем отстать, если не научимся понимать ИИ и его решения. Важно, чтобы решения ИИ не приводили к судебным искам со стороны пациентов.
Для улучшения точности диагностики ИИ требует огромного количества данных: снимки КТ, МРТ и другие. Чем больше данных, тем точнее становится система. В будущем Cerebra сможет не только выявлять гематомы и инсульты, но и диагностировать опухоли мозга и другие системные заболевания.
Анна Лемякина, директор по национальным и стратегическим проектам Yandex Cloud
Я расскажу о нашем опыте внедрения искусственного интеллекта в здравоохранении. Мы объединили усилия с врачами, учеными и экспертами в рамках Центра технологий для общества, где реализуем проекты на базе ИИ и машинного обучения в четырех направлениях: наука и образование, здравоохранение, экология, культура.
Нам часто задают вопрос: заменит ли ИИ врачей? Мы считаем, что ИИ не заменит врачей, но потребует от них новых компетенций. Он освобождает от рутины, улучшает диагностику, лечение и послеоперационный мониторинг, но требует глубокого понимания и интеграции в медицинские процессы.
Для успешного внедрения ИИ в здравоохранении мы выделили несколько ключевых критериев:
1. Решение конкретных проблем. Например, в период пандемии ИИ помог снизить нагрузку на рентгенологов и улучшить работу контактных центров.
2. Экономическая целесообразность. ИИ снижает затраты на инфраструктуру и повышает эффективность работы с медицинской аналитикой.
3. Интеграция в рабочий процесс. ИИ должен быть встроен в реальные процессы, а не существовать отдельно.
4. Качество данных. Никакая система не будет эффективной, если в нее загружены некачественные или неструктурированные данные.
Один из интересных подходов — федеративное обучение, когда данные остаются у их владельцев, а модель обучается только на основе обезличенных параметров. Это особенно важно в медицине, где данные крайне чувствительны.
Безопасность — еще один ключевой аспект. Мы строго соблюдаем регуляторные требования, этические кодексы и международные стандарты защиты данных.
Спрос на ИИ в здравоохранении растет. Врачи все чаще используют ИИ-ассистентов, носимые устройства с ИИ и мультимодальные системы. Однако для успешного внедрения необходимо решить несколько проблем:
— отсутствие качественных датасетов. Данные должны быть единообразно размечены и доступны для обучения моделей
— инфраструктурные ограничения. Требуется все больше вычислительных ресурсов
— консерватизм отрасли. Врачи с большим опытом часто скептически относятся к новым технологиям.
Примеры наших проектов:
1. Платформа медицинских данных, совместный проект с МГМУ имени Сеченова. За несколько месяцев мы загрузили более 18 миллионов медицинских документов, что ускорило доступ к данным с месяцев до секунд.
2. Ранняя диагностика Spina bifida или расщепления позвоночника совместно с фондом «Спина Бифида». Модель помогает выявлять патологию на ранних сроках беременности, что спасает жизни детей.
3. Системы прогнозной аналитики для управления нагрузкой на здравоохранение в регионах, особенно во время пандемии.
Мы открыты к сотрудничеству с Казахстаном и готовы делиться нашим опытом. Для масштабирования успешных решений важно:
— обучение врачей. Они должны понимать, как работают системы ИИ
— анализ международного опыта. Изучение успешных кейсов и ошибок
— развитие нормативной базы. Создание регламентов для внедрения ИИ.
Ерлан Жанибеков, партнер-коммерческий директор, ТОО WDSOFT
При разработке любой системы важно понимать, что нужно отходить от масштабности проекта и проблем в целом. Иногда система может быть хорошей, но если она решает проблему для небольшого процента людей или отраслей, она не будет актуальной. Важно начать с глобальных проблем, которые касаются государства, так как в конце концов систему придется продавать государству.
Наш проект был запущен 12 лет назад — мы начали разрабатывать систему для раннего выявления рака легких и молочной железы. Мы проанализировали рынок и выявили, что рак легких и молочной железы — это самые распространенные заболевания в Казахстане и СНГ. Основной акцент был сделан на рентгенфлюорографию, так как 75% исследований в Казахстане проводятся именно с помощью этого оборудования. Таким образом, мы охватываем значительную часть населения, включая регионы с дефицитом врачей. Для рака молочной железы мы использовали мамографические аппараты, которые также охватывают около 10-15% населения.
Система была внедрена в 2018 году и теперь работает в более 120 медицинских учреждениях. Мы достигли значительных результатов — чувствительность системы улучшилась с 60% до более 90%. Однако, мы столкнулись с рядом проблем, таких как отсутствие серверного оборудования и сетей в регионах. Мы решали это, создавая локальные сети и устанавливая серверы в каждом медицинском учреждении, чтобы система могла работать даже при отсутствии стабильного интернет-соединения.
Кроме того, важным шагом стала интеграция с государственными порталами, что поможет предотвратить ошибки врачей. В 2019 году система выявила раннюю стадию заболевания у женщины, но из-за перегрузки врача результат был проигнорирован. Чтобы избежать таких случаев, мы планируем интеграцию с государственной системой, которая будет отслеживать состояние пациентов.
Интеграция искусственного интеллекта позволяет существенно снизить затраты на лечение, так как раннее выявление рака обходится гораздо дешевле, чем лечение на поздних стадиях. Мы также решили задачу оптимизации работы поликлиник, благодаря чему уменьшается нагрузка на бюджет государства.
Кроме разработки системы, мы решали инфраструктурные задачи, такие как оцифровка аналогового оборудования и обеспечение быстрых каналов связи для передачи данных. Мы проложили более шести километров оптоволокна, чтобы обеспечить необходимую скорость передачи снимков. Это требовало значительных усилий, но после этого система могла полноценно работать.
Проект продолжает развиваться, и в этом году мы планируем расширение на новые регионы. Наш опыт показывает, как важно не только разрабатывать технологические решения, но и учитывать все инфраструктурные и организационные проблемы.
Дмитрий Марков, генеральный директор, VisionLabs
Сегодня искусственный интеллект в здравоохранении уже занимает второе место по инвестициям на глобальном рынке, составляя около 27 миллиардов долларов. Он уступает только финансовому сектору, который оценивается в 31 миллиард долларов, а за ним идет ритейл с 11 миллиардами. Этот рынок растет стабильно, и это важная информация для тех, кто планирует создать компанию в этой области.
Важно понимать, что клиентская поддержка в медицине — это то, что будет определять будущее. В ближайшие два года мы не увидим операторов в колл-центрах, потому что это слишком дорого. Везде будут чат-боты и войс-боты, и это уже активно развивается.
Перспективы искусственного интеллекта в медицине включают разработку новых лекарств. Уже сегодня многие медицинские открытия связаны с ИИ, и это будет только усиливаться. Одной из ключевых проблем сегодня остается неправильность данных, что затрудняет их обработку с помощью ИИ. Но решение этой проблемы уже в процессе, и данные собираются все более точно.
Когда данные станут точными и собранными вокруг пациента, это позволит предсказывать заболевания на основе анализа похожих случаев. Это будущее, к которому мы идем. Мы также активно работаем над созданием больших языковых моделей для медицинских снимков, что позволит ускорить диагностику и повысить точность.
Еще один важный момент — это улучшение работы врачей с медицинскими протоколами. Мы занимаемся тем, чтобы стандартизировать эти данные и автоматизировать их обработку, что позволит существенно снизить нагрузку на врачей и улучшить качество обслуживания пациентов.
Мы также разрабатываем системы, которые помогут врачам быстрее и точнее анализировать данные, полученные от пациентов. Это снизит вероятность ошибок и ускорит процессы. Корректность данных в медицинских системах — это ключевая проблема, над которой мы работаем, и это будет иметь огромное значение для развития медицины в будущем.